- •1. История развития эконометрики
- •2. Сведения о лауреатах Нобелевской премии по эконометрике
- •3. Предмет и специфика методов эконометрики
- •4. Отличия эконометрической модели от других видов моделей
- •5. Виды переменных в эконометрических моделях
- •6. Пример эконометрической модели
- •7. Связь эконометрики с другими дисциплинами
- •8. Этапы процесса эконометрического моделирования
- •9. Основные типы эконометрических моделей
- •10. Статистическая база эконометрических моделей
- •11. Понятие корреляционно-регрессионного анализа
- •12. Задачи корреляционно-регрессионного анализа
- •13. Определение регрессии и ее виды
- •14. Спецификация модели. Причины существования случайной величины
- •15. Методы выбора парной регрессии
- •16. Сущность параметров линейной регрессии
- •17. Метод наименьших квадратов
- •18. Способы оценивания и оценки (мат ожидание и дисперсия)
- •19. Показатели измерения тесноты и силы связи, кэфф. Детерминации, эластичности
- •20. Этапы формулировки и проверки достоверности гипотезы
- •21. Оценка значимости линейной регрессии f-статистика
18. Способы оценивания и оценки (мат ожидание и дисперсия)
Точечной оценкой для математического ожидания в силу закона больших чисел является выборочное среднее арифметическое М. Нижняя доверительная граница для математического ожидания имеет вид:
, где М - выборочное среднее арифметическое;
р - доверительная вероятность (истинное значение математического ожидания находится между нижней доверительной границей и верхней доверительной границей с вероятностью, равной доверительной);
U(p) - число, заданное равенством Ф(U(р)) = (1 + р)/2, где Ф(х) - функция стандартного нормального распределения с математическим ожиданием 0 и дисперсией 1; S - выборочное среднее квадратическое отклонение (квадратный корень из выборочной дисперсии). Верхняя доверительная граница для математического ожидания имеет вид:
.
Выражения для верхней и нижней доверительных границ получены с помощью центральной предельной теоремы теории вероятностей. Они являются асимптотическими, т.е. становятся тем точнее, чем больше объем выборки.
Точечное и интервальное оценивание дисперсии. Точечной оценкой дисперсии является выборочная дисперсияS2 . Доверительные границы находятся с помощью величины:
d2 = (m4 - (n - 1) / n)4S4) / n , где m4 - выборочный четвертый центральный момент, т.е. нижняя доверительная граница для дисперсии случайной величины, имеет вид:
S2 - U (p)d , где S2 - выборочная дисперсия; U(p) - квантиль нормального распределения порядка (1 + р)/2;
d - положительный квадратный корень из величины d2 , введенной выше.
Верхняя доверительная граница для дисперсии случайной величины имеет вид:
S2 + U (p)d , где все составляющие имеют тот же смысл, что и выше.
19. Показатели измерения тесноты и силы связи, кэфф. Детерминации, эластичности
Уравнение линейной регрессии всегда дополняется показателем тесноты связи – это линейный коэффициент корреляции .
, ; - связь прямая между х и у
, ; - связь обратная между х и у
Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в линейной форме. Поэтому близость модуля к нулю не означает отсутствие связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
Коэффициент детерминации определяется следующим образом:
Коэффициент детерминации показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, т. е. определяет, какая доля вариации признака Y учтена в модели и обусловлена влиянием на него факторов. Чем ближе к 1, тем выше качество модели.
Частный коэффициент эластичности показывают, на сколько процентов в среднем изменяется признак-результат Y с изменением признака-фактора Х на один процент от своего среднего уровня при фиксированном положении других факторов модели. В